Une revue systématique 2026 des modèles d'IA de prédiction du risque de chute montre que les facteurs environnementaux restent sous-représentés : sur plus de 10 000 références, seules neuf études les intègrent, avec un apport pourtant réel (AUC-ROC de 0,67 à 0,76) et l'identification de dangers domestiques actionnables. C'est un angle mort documenté de la recherche, donc une cible directe pour un financement fléché.
14 faits confirmés au registre
-
-
La reconnaissance automatisée de la douleur animale progresse rapidement : un pipeline YOLOv8-Pose détecte 30 points caractéristiques du visage des vaches laitières avec 96,9 % de mAP, et des architectures transformer atteignent 98,36 % en reconnaissance faciale bovine, dépassant les échelles de grimace validées mais subjectives (sensibilité/spécificité 0,78-0,85). Les animaux ne pouvant pas signaler leur douleur, la vision automatisée est le seul moyen de triage à l'échelle.
-
Les chutes sont la deuxième cause mondiale de décès par traumatisme non intentionnel et touchent une personne de 65 ans et plus sur quatre chaque année aux États-Unis. Une revue systématique 2026 des systèmes de détection de chute rapporte des performances (exactitude, sensibilité, spécificité) dépassant fréquemment 95 %, et un méta-modèle coopératif publié en 2025 atteint 90 % d'exactitude, 100 % de spécificité et 85,7 % de sensibilité pour la prédiction du risque de chute future, surpassant les échelles cliniques classiques.